[發(fā)明專利]一種基于ADMM-Net的高光譜圖像分類方法及裝置

有效

• 申請?zhí)枺?/td>: 201910486531.9
• 申請日: 2019-06-05
• 公開（公告）號: CN110363078B
• 公開（公告）日: 2023-08-04
• 發(fā)明（設(shè)計）人: 閆敬文;謝梓歆;劉義南;彭鴻;王聰;朱宇霆
• 申請（專利權(quán)）人: 廣東三姆森科技股份有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/40;G06V10/764;G06V10/82;G06N3/045;G06N3/0499;G06N3/084
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 謝泳祥

本公開提供一種基于ADMM?Net的高光譜圖像分類方法及裝置，首先，輸入高光譜圖像的采樣數(shù)據(jù)及相應(yīng)的參數(shù)，通過ADMM算法步驟可以得到一個分類結(jié)果。之后為了減小誤差，采用反向傳播法(BP)來計算相應(yīng)的梯度，從而使得每一層的參數(shù)都可以得到更新，這樣再次訓(xùn)練就可以得到誤差較小的分類結(jié)果。在保證高光譜圖像采樣數(shù)據(jù)為小樣本前提下，該方法明顯提升了它的分類準(zhǔn)確率(OA)，這對于后續(xù)應(yīng)用高光譜圖像進(jìn)行分析具有重要的實際意義。

技術(shù)領(lǐng)域

本公開涉及高光譜圖像處理領(lǐng)域，利用稀疏表示的特性和ADMM算法對高光譜圖像進(jìn)行分類處理，具體涉及一種基于ADMM-Net的高光譜圖像分類方法及裝置。

背景技術(shù)

高光譜圖像是通過探測地物電磁輻射強(qiáng)度獲得的反映地表各種地物的綜合影像，其包含著從可見光到近紅外的幾百個窄波段內(nèi)獲取的地物圖像。隨著遙感技術(shù)的提高，遙感圖像中目標(biāo)地物輪廓會更加清晰，紋理特征更加復(fù)雜，空間信息更加豐富。對高光譜圖像進(jìn)行分類，是其后續(xù)應(yīng)有分析的基礎(chǔ)。

高光譜圖像分類的方法有很多，比如利用支持向量機(jī)進(jìn)行分類，利用多個并行的支持向量機(jī)進(jìn)行分類，在采樣率比較低的情況下，分類準(zhǔn)確率不高；基于稀疏表示的高光譜圖像分類，需要選擇相應(yīng)的變換矩陣對高光譜圖像進(jìn)行投影變換，但計算所需要的時間很長。

因而需要一種同時考慮基于稀疏表示的高光譜圖像分類和優(yōu)化計算時間的算法，能夠很好進(jìn)行小樣本下的高光譜圖像分類。

發(fā)明內(nèi)容

本公開提供一種基于ADMM-Net的高光譜圖像分類方法及裝置，運用優(yōu)化算法更好地進(jìn)行高光譜圖像分類，利用基于ADMM算法的深層網(wǎng)絡(luò)架構(gòu)，進(jìn)行稀疏向量最小化的逼近，提高分類效果。

為了實現(xiàn)上述目的，根據(jù)本公開的一方面，提供一種基于ADMM-Net的高光譜圖像分類方法，所述方法包括以下步驟：

步驟1，獲取與采樣率相應(yīng)的高光譜圖像數(shù)據(jù)；

步驟2，設(shè)置全連接網(wǎng)絡(luò)(ADMM-Net)的稀疏層參數(shù)的大小、非線性變換層參數(shù)的大小、乘數(shù)更新層參數(shù)的大小，網(wǎng)絡(luò)的深度等參數(shù)；

步驟3，進(jìn)行基于稀疏表示的高光譜圖像分類，通過連接網(wǎng)絡(luò)的前向網(wǎng)絡(luò)，得到其分類后的結(jié)果，并與真實的結(jié)果做比較；

步驟4，利用反向傳播法，更新稀疏層、非線性變換層、乘數(shù)更新層的參數(shù)；

步驟5，利用更新后的網(wǎng)絡(luò)參數(shù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，得到分類后的結(jié)果；

步驟6，迭代執(zhí)行步驟2到步驟5，迭代停止后得到精確的原始高光譜圖像分類結(jié)果。

進(jìn)一步地，在步驟1中，獲取與采樣率相應(yīng)的高光譜圖像數(shù)據(jù)的方法為：在matlab中設(shè)置采樣率大小為γ，通過matlab在高光譜圖像數(shù)據(jù)得到采樣率大小為γ的圖像(與采樣率相應(yīng)的高光譜圖像數(shù)據(jù))作為高光譜圖像訓(xùn)練數(shù)據(jù)。

進(jìn)一步地，在步驟1中，高光譜圖像數(shù)據(jù)可通過公開網(wǎng)站進(jìn)行下載(http://www.ehu.eus/ccwintco/index.php？title＝Hyperspectral_Remote_Sensing_Scences)，或來源于Indians?Pines、Botswana、KSC、PaviaU、Salinas等高光譜圖像數(shù)據(jù)集。

進(jìn)一步地，在步驟2中，所述全連接網(wǎng)絡(luò)包括稀疏層、非線性變換層、乘數(shù)更新層，全連接網(wǎng)絡(luò)是屬于稀疏表示的優(yōu)化算法，其中，一個高光譜像素點可以表示成：x＝Dα；

求解非零的稀疏向量α，將問題轉(zhuǎn)化為：其中，‖α‖₀≤K₀，K₀指的是稀疏向量中非零個數(shù)；以上問題屬于L0范數(shù)問題，即NP問題，難以求解，所以轉(zhuǎn)化為L1范數(shù)問題，即